基于特征选取和循环神经网络的风电场功率超短期预测方法
专利类型：发明专利
语 言：中文
申 请 号：CN201710809928.8
申 请 日：20170911
申 请 人：重庆大学国网重庆市电力公司电力科学研究院国家电网公司
申请人地址：400044 重庆市沙坪坝区沙坪坝正街174号
公 开 日：20180306
公 开 号：CN107766937A
代 理 人：余锦曦
代理机构：重庆为信知识产权代理事务所(普通合伙) 50216
摘 要：本发明公开了一种基于特征选取和循环神经网络的风电场功率超短期预测方法，按照以下步骤进行：将影响风电场功率值的气象因素作为候选特征，并收集对应候选特征的历史数据，得到候选特征数据集F；对候选特征集F中的候选特征进行特征选取，得到已选取特征数据集S；把已选取特征数据集S作为基于循环神经网络的预测模型的输入数据；利用预测模型输入数据对基于循环神经网络的预测模型进行训练和测试；对风电场功率进行预测，并输出风电功率预测结果。有益效果：提前预知发电功率，便于对发电量进行检验，及时发现问题并补救，提前对电网进行部署，可靠性强。
主 权 项：一种基于特征选取和循环神经网络的风电场功率超短期预测方法，其特征在于按照以下步骤进行：S1：根据历史T个时刻风电场功率值，确定该T个时刻影响风电场功率值的气象因素，将所有气象因素作为候选特征，并收集T个时刻对应候选特征的历史数据，得到候选特征集F；S2：基于条件互信息特征选取方法，对候选特征集F中的候选特征进行特征选取，得到已选取特征数据集S；S3：把已选取特征数据集S作为基于循环神经网络的预测模型的输入数据，进入步骤S4；S4：利用步骤S3得到的预测模型输入数据中z％作为预测模型的训练数据样本，剩余(1?z)％作为预测模型预测效果的测试数据样本；对基于循环神经网络的预测模型进行训练和测试；S5：设定风电场功率的预测时间，将该预测时间点之前的所有候选特征的历史数据作为风电场功率预测输入数据，将该风电场功率预测输入数据输入到步骤S4得到的基于循环神经网络预测模型中对风电场功率进行预测，并输出风电功率预测结果。
关 键 词：预测方法;循环神经网络;风电场功率;预测模型;特征选取;特征数据;测试;电网;输出;收集;气象;检验;部署;公开;影响;发电量;中的;预知;补救;征集;
法律状态：
IPC专利分类号：G06N3/08(2006.01)I,G06Q10/04(2012.01)I,G06Q50/06(2012.01)I